Analyzing Multiple Emotions over Time by Autoregressive Negative Multinomial Regression Models
用自回归负多项回归模型分析多种情绪的时间变化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究多变量纵向计数资料，并应用于个体面板日记研究。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
用自回归负多项回归模型分析多种情绪的时间变化
- 研究问题
- 如何在多变量纵向计数资料中同时刻画个体异质性与序列依赖，并分析人格因素与情绪发生及持续时间的关系？
- 方法与思路
- 作者提出具有过度离散负多项边际分布的随机系数模型，结合个体差异、随机时间效应、多事件类别及整数值自回归结构。
- 材料陈述的贡献
- 摘要称，该模型用于面板日记资料后发现，自报情绪的发生与持续时间存在较大且稳定的个体人格差异，并讨论其意义。
- 阅读关注点
- 应核对随机效应与自回归部分如何共同构造、参数如何估计，以及日记资料中的关联能否支持对人格差异稳定性的解释。
- 阅读边界
- 依据稿件版本未注明的索引摘要；估计条件、样本规模与因果识别均未说明，不能将人格关联解读为因果效应或推断刊本变化。
原文摘要
This article presents an autoregressive random coefficient model with overdispersed negative multinomial marginal distributions for the analysis of heterogeneity and serial dependencies in multivariate longitudinal count data. The model structure consists of four components that take into account (a) individual difference effects, (b) random time effects, (c) multiple event categories, and (d) autodependencies. The last component is based on a stochastic integer-valued autoregressive process proposed by McKenzie. The model is applied to analyze count data from a panel diary study about the relationship between personality factors and emotion experiences. It is shown that there are large and stable individual personality differences in the incidence and duration of self-reported emotional experiences. Theoretical and clinical implications of this result are discussed.